omnicaptions-transcribe 用于把音频或视频转成文字，输出带时间戳、说话人标签和自动生成章节的结构化 Markdown。适合转录播客、访谈、讲座，需要逐字稿、时间戳和说话人标注，或混合语言音频（保留语码转换）时使用。支持 YouTube 等视频 URL（Gemini 原生支持，可直接传链接，无需先下载）以及本地音视频文件。
主要能力：通过 Gemini API 转录；输出 Markdown，含目录、[HH:MM:SS] 章节标题、说话人: 标签、段落末尾时间戳，以及 [笑声/音乐] 等非语音事件标记；可强制指定语言（zh、en、ja）；可用 -t 一步翻译，并配合 --bilingual 生成双语字幕。相关技能另有 convert（转 SRT/VTT/ASS）、translate（翻译）、download（先下载）与 LaiCut 精确对齐工作流。
使用方式：安装命令为 pip install omni-captions-skills --extra-index-url https://lattifai.github.io/pypi/simple/。CLI 必须带子命令。转录示例：omnicaptions transcribe "https://www.youtube.com/watch?v=VIDEO_ID"；本地文件：omnicaptions transcribe video.mp4。默认输出到当前目录（如 video_GeminiUnd.md），可用 -o 指定文件或目录。常用选项：-k/--api-key、-o/--output、-m/--model（默认 gemini-3-flash-preview）、-l/--language、-t/--translate LANG、--bilingual、-v/--verbose。API 密钥优先级为 GEMINI_API_KEY 环境变量、.env 文件、~/.config/omnicaptions/config.json，缺省时会提示输入并由 -k 传入。
限制：视频已有字幕时建议先用 /omnicaptions:download 获取现有字幕（质量更好）；不支持实时流式转录（应使用 Whisper）；音频超过 2 小时受 Gemini 上传限制；上传文件过大（>2GB）需先分割。处理 YouTube URL 前应确认是否先检查已有字幕。使用前需自备 Gemini API 密钥。资料未提供收费、价格与更多平台支持信息。